“罗列文献而非综合文献”被直接列为综述作废的三大失败之一，张三等研究了……李四等研究了……是研究生最常被退稿的问题，Codex+Skills能做到“按主题组织”，但“综合”本身需要判断力，Skill到底是在帮人综合，还是在帮人更快地罗列？

一、问题的提出：为什么"张三等研究了"是最常见的退稿理由

在综述类稿件的评审实践中，"罗列文献而非综合文献"被反复列为作废性失败之一，与"缺乏问题意识""结论与证据不匹配"并列。这一判断并非编辑的主观偏好，而是有明确的结构依据：综述（review）的文体契约是"对某一领域已有研究进行系统梳理、比较、评价与整合"，其产出物应当是新的知识组织形态，而不是文献条目的线性转述。当一篇稿件通篇以"张三等研究了A，李四等研究了B，王五等研究了C"的句式推进时，读者获得的是检索结果的摘要，而非领域认知的增量。

值得追问的是，为什么这种写法如此顽固。笔者认为，根本原因在于它同时满足了写作方的三个低成本诉求：其一，可写性——只要读过文献就能写，不需要形成判断；其二，安全性——转述他人观点不承担论证责任，不易被指为错误；其三，可计量性——段落数与文献数近似成正比，给人一种"工作量可见"的错觉。三者叠加，使罗列成为一种"防御性写作"策略：作者用文献的权威性替代自己的判断，用覆盖面的广度替代论证的深度。

罗列不是"综合做得不好"，而是"根本没有进入综合"。前者是能力问题，后者是流程问题——而流程问题恰恰是可以被工程化改造的。

这一区分对本文至关重要。如果把罗列视为能力缺陷，结论只能是"多读多练"；如果把它视为流程缺陷——即写作流程中缺少强制性的综合节点——那么就可以设计出可操作、可检查、甚至可部分工具化的干预方案。本文的分析主线正建立于此：综合判断力并非不可分解的整体，而是可以由若干显式认知操作构成的流程；一旦分解，工具与人的分工边界就变得清晰可辨。

从文献计量与科研评价的角度看，综述的价值密度与其"整合度"高度相关。国际上对综述质量的评估框架，普遍强调比较（comparison）、批判（critique）与整合（synthesis）三个维度，而非覆盖度。这意味着，即便一篇综述引用了两百篇文献，若缺少跨研究的比较与归因，其学术价值仍可能低于一篇只引用六十篇但完成了机制整合的短综述。这一取向在近年系统综述方法学文献中被反复强化，本文评述：覆盖度是必要不充分条件，整合度才是充分性所在。

二、罗列的结构病理：从句子模式到认知模式

2.1 句子层的三个可识别特征

罗列式写作在句子层有高度稳定的模式，可以被机械识别。第一个特征是"作者—动作—对象"的三元句式高频重复，主语始终是文献作者，谓语始终是"研究/发现/指出/认为"，宾语是某个结论。第二个特征是句间缺少连接词承载的逻辑关系，段落靠"此外""同时""另外"这类并列连接词推进，而非"然而""因此""相比之下"这类转折与因果连接词。第三个特征是评价性谓语缺失，全文几乎不出现"该结论受样本量限制""两项研究结论冲突的原因可能在于"这类判断句。

这三个特征可以被形式化为可计算的指标。例如，可以统计段落中"并列连接词/转折因果连接词"的比值，比值显著偏高即提示罗列倾向；也可以统计"评价性动词"（如"支持""反驳""受限于""可推广至"）的密度。这类指标并非为了自动评分，而是为了给作者一个可自查的仪表盘。笔者认为，可自查性是被长期忽视的环节——多数作者并非不愿综合，而是不知道自己的文本已经滑入罗列。

2.2 认知层的根因：缺少"问题"作为组织轴

句子模式只是表征，真正的根因在组织轴的选择。罗列式综述的组织轴是"文献"，即以文献为单位逐个介绍；综合式综述的组织轴是"问题"，即以待解决的学术问题为单位，把多篇文献作为回答同一问题的不同证据。组织轴一旦选错，后续所有写作动作都会被迫服务于"介绍文献"而非"回答问题"，罗列便成为结构性的必然。

这一判断可以用一个简单的思想实验验证：假设把一篇罗列式综述中所有文献的作者名替换为编号，文本是否仍然成立？答案是成立，因为作者名不承载论证功能，只承载归属功能。反之，在一篇综合式综述中，替换作者名会破坏论证，因为不同研究的结论差异正是论证的支点。本文评述：作者名是否承载论证功能，是区分罗列与综合的一个高区分度判据。

2.3 一个对照表：罗列式与综合式的结构差异

这张表的价值不在于分类，而在于它把"综合"从一种模糊的写作境界，转化为五个可检查的结构维度。作者可以逐行自问：我的组织轴是什么？作者名在我的文本里承担什么功能？我的连接词分布说明了什么？我如何处理了结论冲突？我的文本产出了什么新东西？五个问题中任何一个答不上来，都提示该段落尚未完成综合。

三、综合的可分解性：四步判断法

本节是全文的方法论核心。笔者主张，综合可以分解为四个顺序执行、各自有明确输入输出与失败模式的认知操作：主题归并、冲突标注、证据分级、机制归因。四步并非线性流水线，而是可以迭代的循环，但每一步都有不可跳过的判断节点。

3.1 第一步：主题归并——从"文献集合"到"问题簇"

主题归并的定义是：把一组文献按照"它们共同试图回答的问题"重新分组，使每组内部的文献构成对同一问题的竞争性回答。这一步的关键在于，分组依据必须是问题而非方法、数据源或发表年份。以方法为分组依据是常见的伪综合，因为它把"用什么做"误当作"要回答什么"。

操作上，可以采用"问题陈述卡片"法：为每篇文献写一张卡片，卡片上只写三行——该文试图回答的问题、该文给出的核心答案、该答案依赖的关键假设。写完后按第一行聚类，聚类结果即为问题簇。若某篇文献无法归入任何问题簇，说明它与本文主线无关，应移出；若某个问题簇只有一篇文献，说明该问题尚未形成研究传统，应单独说明而非强行合并。

问题陈述卡片（模板）
Q: 该文试图回答的问题（一句话，疑问句）
A: 该文的核心答案（一句话，陈述句）
H: 该答案依赖的关键假设（可检验）
S: 样本/数据/情境（用于后续证据分级）

本文评述：这一步看似机械，实则最考验判断力。因为"问题"的粒度选择直接决定了后续综合的深度——粒度过粗（如"某领域的研究"）会退化为罗列，粒度过细（如"某模型在某数据集上的精度"）会碎片化为实验报告。合适的粒度是"一个可以被多篇文献以不同方式回答、且答案之间存在实质分歧"的问题。

3.2 第二步：冲突标注——把分歧显式化

冲突标注的定义是：在同一问题簇内部，识别出结论相互矛盾或方向不一致的文献对，并记录冲突的具体形式。冲突至少有四种类型：方向冲突（A正B负）、强度冲突（A强B弱）、条件冲突（在X条件下成立、在Y条件下不成立）、测量冲突（结论差异源于指标定义不同）。区分冲突类型是后续归因的前提。

罗列式写作对冲突的处理通常是回避——要么只引用支持自己观点的文献，要么把冲突双方并列陈述而不加评论。综合式写作则必须把冲突当作论证资源：冲突是领域尚未解决的问题的显影，也是本文提出整合框架的入口。笔者认为，一篇综述如果没有标注出至少一处实质性冲突，几乎可以断定它没有完成综合，因为任何成熟领域都必然存在未解决的分歧。

3.3 第三步：证据分级——为每个答案标注可信度

证据分级的定义是：对每个问题簇内的每个答案，依据其证据强度给出可信度评级，并说明评级理由。评级维度至少包括样本代表性、研究设计的内外效度、结果的可重复性、以及与研究问题的匹配度。分级不是给文献打分，而是给"答案"打分——同一篇文献对不同问题的证据强度可能不同。

需要强调的是，分级标准必须在使用前声明，且全文一致。若中途改变标准，分级就会退化为印象评分。本文评述：证据分级的真正价值不在于等级本身，而在于它迫使作者为每个判断写出理由，从而把隐性判断显性化、可审查化。

3.4 第四步：机制归因——解释"为什么"

机制归因的定义是：对冲突与证据强度差异给出因果解释，即回答"为什么不同研究会得出不同结论"。归因的常见维度包括：样本差异（人群、规模、选取方式）、情境差异（时间、地域、制度环境）、测量差异（指标定义、操作化方式）、方法差异（研究设计、分析策略）、以及理论假设差异（对同一现象的不同建模）。

机制归因是四步中判断力要求最高的一步，也是最难被工具替代的一步。因为它要求作者在多个可能的解释中做出取舍，并说明取舍依据。一个可操作的约束是：每个归因都必须给出可检验的推论——如果归因成立，应当能观察到什么？如果观察不到，归因是否仍成立？这一约束可以有效抑制"可能是因为……"式的空泛归因。

四步法的输出不是一段文字，而是一张"综合矩阵"：行是问题簇，列是答案、冲突、证据等级、归因解释。写作只是把这张矩阵转写为可读的段落。

四、Codex+Skills的能力边界：结构自动化与判断不可外包

4.1 工具实际能做什么

Codex+Skills一类工具的核心能力，是在给定文献集合与指令的前提下，完成结构化的文本处理：抽取元信息、按主题聚类、生成对比表、检查句式模式、标注引用完整性。这些能力对应四步法中的"主题归并"的形式部分与"冲突标注"的检索部分。换言之，工具可以高效完成"把文献摆到正确的位置上"这一工作。

这一能力并非无价值。恰恰相反，罗列式写作的大量时间恰恰消耗在"摆位置"上：整理文献、归类、找对应关系。工具把这一部分成本压缩后，作者可以把时间转移到判断上。问题在于，工具的输出天然倾向于"看起来完整"——它会生成整齐的分类和对称的对比表，而这种整齐本身可能掩盖了判断的缺席。

4.2 工具不能做什么，以及为什么

工具难以可靠完成的是四步法中的判断节点：问题粒度的选择、冲突类型的判定、证据等级的赋值、机制归因的取舍。原因有三。其一，这些判断依赖领域内的隐性知识，即"什么算是一个好问题""哪种冲突是实质性的"，这类知识难以从文本中完整抽取。其二，这些判断涉及价值权衡，例如在样本代表性与测量精度之间如何取舍，不存在唯一正确答案。其三，这些判断需要承担论证责任，而责任无法外包给工具。

本文评述：工具放大的是流程，而不是判断力。一个判断力不足的作者使用工具，得到的是更整齐的罗列；一个判断力充分的作者使用工具，得到的是更高效的综合作业。工具本身是中性的，但它会放大使用者既有的工作模式。这正是"Skill到底在帮人综合，还是在帮人更快地罗列"这一问题的实质：答案取决于工作流是否在关键节点强制作者做出判断。

4.3 一个可操作的判断：工具介入的"红线"

为了让这一分工可执行，笔者提出三条红线。第一，问题簇的最终划分必须由作者确认，工具只能提供候选。第二，每个冲突的类型判定必须由作者签字，工具只能检索候选冲突对。第三，每个证据等级的赋值必须附作者理由，工具只能提供评级维度清单。三条红线的共同逻辑是：工具负责"找"，作者负责"断"。

这一分工也解释了为什么单纯提升工具的"智能程度"不能解决罗列问题。即便工具能生成看似深刻的评论，只要作者没有在判断节点上实际做出取舍，文本的论证责任仍然是空的。评审者能够识别这种空——因为深刻的评论若与具体证据不匹配，就会暴露为套话。

五、工程化落地：一套可复用的综述工作流

5.1 工作流的五个阶段

把四步法与工具分工整合，可以得到一个五阶段工作流：检索与去重、卡片化、聚类与冲突标注、证据分级与归因、矩阵转写。每个阶段有明确的交付物与检查点，检查点未通过不得进入下一阶段。这种"闸门式"设计的目的，是防止作者在判断未完成时就开始写段落——一旦开始写，罗列的惯性就会接管。

阶段1 检索去重   → 交付：文献清单（含DOI、年份、来源）
阶段2 卡片化     → 交付：问题陈述卡片集（每篇一张）
阶段3 聚类标注   → 交付：问题簇 + 冲突对清单（作者确认）
阶段4 分级归因   → 交付：综合矩阵（含等级与理由）
阶段5 矩阵转写   → 交付：段落草稿（按问题簇组织）

5.2 检查点清单

每个阶段设置可勾选的检查点，是这套工作流可执行的关键。检查点应当具体到可以被第三方复核，而非"是否认真"这类无法验证的表述。例如阶段3的检查点可以是：每个问题簇至少包含两篇文献；至少标注一处实质性冲突；每个冲突标注了类型；无法归簇的文献已说明处理方式。

阶段5的检查点则针对文本：每个段落的首句是否陈述了一个判断而非一篇文献；段落内是否至少有一处转折或因果连接；作者名是否出现在论证位置而非仅归属位置；是否存在连续三句以上的纯转述。最后一条尤其重要，因为它直接对应本文开头提到的退稿理由。

5.3 工具链的最小配置

对于多数研究者，工具链不需要复杂。一个文献管理器负责元信息与去重，一个表格工具承载综合矩阵，一个脚本负责句式指标统计，再加上Codex+Skills负责聚类候选与对比表生成，即可覆盖五阶段的主要需求。关键不在于工具数量，而在于每个工具的输出都汇入同一张综合矩阵，避免信息分散在多个孤岛。

延伸阅读方面，系统综述与范围综述的方法学指南、以及文献综合的质性分析方法，是理解四步法理论背景的可靠入口。读者可参考Cochrane协作网的方法学手册（https://training.cochrane.org/handbook）、PRISMA声明官网（https://www.prisma-statement.org/）以及主题综合分析方法的相关教程（主题综合视频教程检索）。这些资源提供的是方法框架，具体判断仍需结合领域知识。

六、评价、局限与前沿预判

6.1 如何评价一篇综述是否完成了综合

评价可以从三个层面展开。结构层面，检查是否存在以问题为轴的组织、是否标注了冲突、是否有证据分级。论证层面，检查每个判断是否有证据支撑、归因是否给出可检验推论、结论是否与证据强度匹配。文本层面，检查句式指标是否落在合理区间、作者名是否承载论证功能。三个层面中，论证层面最难被工具替代，也最能区分综合与罗列。

需要说明的是，本文提出的指标与检查点均为方法学建议，其有效性依赖于领域与写作目的，不宜作为绝对标准。不同学科对综述的期待存在差异，例如工程类综述可能更强调技术路线的演进，而社会科学综述可能更强调理论争论的梳理。四步法提供的是通用骨架，具体权重需按领域调整。

6.2 局限

本文的局限有三。其一，四步法的有效性主要基于方法学推理与写作实践观察，尚缺乏大规模对照实验的验证；本文所引指标为方法学建议，非实测统计结果。其二，工具能力的评估基于当前公开能力边界，随着工具演进，分工红线可能需要调整。其三，本文未深入讨论跨学科综述的特殊性，而跨学科情境下的问题粒度选择可能更为复杂。

6.3 前沿预判

笔者认为，未来两到三年内，综述写作的工具化将沿两个方向推进：一是"结构自动化"进一步成熟，聚类、对比表、引用检查将高度自动化；二是"判断辅助"开始出现，工具不再替作者判断，而是通过提问、反例、冲突提示来激发作者的判断。后者的价值远大于前者，因为它尊重了判断不可外包的事实。

与此同时，评价体系也可能发生变化。当结构整理的成本被工具压缩后，"整理得整齐"将不再构成优势，评审会更快地聚焦于判断质量。这对作者是压力，也是机会：那些真正完成了综合的作者，其相对优势会被放大。本文评述：工具的普及不会消灭综合能力，反而会提高它的市场价值。

七、总结

回到开头的问题：Skill到底是在帮人综合，还是在帮人更快地罗列？本文的答案是：它两者都能做，取决于工作流是否在关键节点强制作者做出不可外包的判断。罗列的本质不是工具缺陷，而是流程中综合节点的缺席；综合的本质也不是天赋，而是一组可以被分解、被检查、被部分工具化的认知操作。

四步法——主题归并、冲突标注、证据分级、机制归因——提供了一条可操作的路径。它的价值不在于让每个人都写出深刻的综述，而在于让"是否完成了综合"成为一个可以被检查的问题。当作者能够指着综合矩阵说"这里有一处冲突，我判断它是条件冲突，归因是样本差异，可检验推论是……"，罗列就已经被甩在身后了。

工具会继续进化，但判断的责任始终在人。把结构交给工具，把判断留给自己，这或许是这个时代综述写作者最务实的分工协议。